타겟팅을 배우기 전에 알아둬야 할 큰 그림

GFA의 타겟팅 옵션은 크게 세 갈래로 나눠볼 수 있습니다. 첫째는 네이버가 보유한 행동 데이터(쇼핑 구매이력, 검색이력)를 활용하는 방식, 둘째는 광고주 자신의 데이터(픽셀로 수집한 방문자, 구매자)를 활용하는 방식, 셋째는 AI가 두 데이터를 결합해 자동으로 최적화하는 ADVoost 같은 방식입니다. 이 세 갈래를 구분해서 이해하면, 이후 강의에서 다룰 픽셀 설치와 유사 타겟 확장이 왜 이 타겟팅 전략의 핵심 축인지 자연스럽게 연결됩니다.

쇼핑 구매이력 타겟팅은 어떻게 작동하나

GFA는 네이버쇼핑에서 발생한 구매이력을 기반으로 오디언스를 타겟팅할 수 있습니다. 특정 카테고리나 상품을 구매한 사용자에게 관련 상품 광고를 집중적으로 노출하는 방식입니다. 예를 들어 최근 유아용품을 구매한 사용자에게 관련된 다른 유아용품 브랜드 광고를 보여주는 식으로, 이미 관심사가 뚜렷하게 드러난 사용자를 겨냥할 수 있습니다.

다만 이 타겟팅은 네이버쇼핑 내 구매 기록에만 기반하므로, 타사 쇼핑몰에서만 구매한 사용자는 이 타겟 풀에 포함되지 않습니다. 우리 타겟 고객이 네이버쇼핑을 얼마나 활발히 이용하는지에 따라 이 타겟팅의 효과가 달라질 수 있다는 점을 감안해야 합니다.

검색이력·경쟁사 타겟팅은 어떻게 활용하나

GFA는 카테고리 검색이력이나 경쟁사 키워드 검색자에 대한 타겟팅도 지원합니다. 특정 키워드를 검색한 사용자나 경쟁사 쇼핑 페이지를 방문한 사용자에게 광고를 노출할 수 있습니다. 이 기능을 활용하면 경쟁사에 관심을 보인 사용자에게 우리 브랜드를 대안으로 소개하는 전략을 펼칠 수 있습니다.

다만 광범위한 검색어(예: 카테고리 대표 키워드)를 타겟팅하면 대상자 풀이 매우 커져 고카디널리티로 인해 클릭당 단가가 상승할 우려가 있습니다. 검색어를 고를 때는 너무 넓지도, 너무 좁지도 않은 균형을 찾는 것이 중요합니다.

ADVoost 오디언스는 무엇이 다른가

2025년 11월 18일 정식 도입된 ADVoost 오디언스는 기존의 수동 타겟팅과는 결이 다른 AI 기반 자동화 기능입니다. 광고주가 보유한 퍼스트파티 데이터(구매이력, 방문이력 등)와 네이버의 방대한 데이터를 결합해, AI가 광고 목표 달성 가능성이 높은 사용자를 자동으로 찾아 타겟팅합니다. 담당자가 조건을 일일이 설정하지 않아도 시스템이 알아서 최적의 오디언스를 찾아준다는 점에서 운영 부담을 줄여주는 기능입니다.

다만 이 기능의 성능은 광고주가 제공하는 퍼스트파티 데이터의 품질에 크게 좌우됩니다. 데이터가 부족하거나 품질이 낮으면 AI가 학습할 근거가 부족해 기대만큼의 성능이 나오지 않을 수 있습니다. 도입 초기에는 소량 예산으로 테스트한 뒤 성과를 확인하고 점차 확대하는 접근이 권장됩니다.

타겟팅을 좁힐수록 비용이 오르는 이유

타겟팅 범위를 정밀하게 좁힐수록 그 안에 속한 사용자는 여러 광고주가 동시에 노리는 경쟁이 치열한 대상이 됩니다. 정교한 타겟팅은 높은 성과 가능성을 의미하지만, 동시에 경쟁 심화로 입찰가가 상승하는 트레이드오프가 있습니다. 그래서 광범위 타겟과 정밀 타겟의 비율을 전략적으로 분배해, 클릭당 단가와 전체 노출량 사이의 균형을 맞추는 것이 실무에서 중요한 판단입니다.

모바일 앱 사용자는 어떻게 타겟팅하나

GFA는 ADID(광고 식별자) 및 MAT(모바일 어트리뷰션 트래킹) 연동을 통해 모바일 앱 사용자에 대한 맞춤 타겟팅도 지원합니다. 이는 웹 기반 리타겟팅과는 별개의 기능으로, 앱을 설치했지만 특정 행동(구매, 특정 화면 방문)을 하지 않은 사용자에게 재노출하는 식의 앱 전용 전략에 활용할 수 있습니다. 앱을 운영하는 브랜드라면 이 연동 설정과 데이터 수집 권한을 미리 확인해두는 것이 필요합니다.

여러 타겟팅 옵션을 어떻게 조합해야 하나

쇼핑 구매이력, 검색이력, ADVoost 오디언스, ADID·MAT 연동까지 여러 타겟팅 옵션을 한꺼번에 다 시도하기보다, 처음에는 우리 브랜드의 목적에 가장 부합하는 한두 가지부터 시작해 성과를 확인하는 것이 좋습니다. 예를 들어 재구매가 중요한 업종이라면 쇼핑 구매이력 타겟팅을, 경쟁이 치열한 신규 시장 진입이 목적이라면 경쟁사 검색자 타겟팅을 우선 시도해보는 식입니다.

여러 옵션을 동시에 테스트하면 어떤 타겟팅이 실제로 효과가 있었는지 구분하기 어려워지므로, 광고그룹을 타겟팅 방식별로 나눠 각각의 성과를 독립적으로 비교하는 구조로 세팅하는 것이 데이터 해석을 명확하게 만듭니다.

개인정보 규제가 타겟팅에 미치는 영향

경쟁사 방문 데이터나 검색이력 기반 타겟팅은 개인정보 보호 규제 강화 흐름에 따라 대상자 풀이 시간이 지나며 축소될 가능성이 있습니다. 이런 흐름 속에서 ADVoost 오디언스처럼 광고주 자체의 퍼스트파티 데이터를 활용하는 방식의 중요성이 앞으로 더 커질 것으로 예상됩니다. 지금부터 픽셀 설치와 고객 데이터 수집 체계를 탄탄히 갖춰두는 것이, 향후 서드파티 데이터 기반 타겟팅이 제한되는 상황에 대비하는 방법이기도 합니다.